我试图将我的（float32）模型的精度更改为float16，以查看需要付出多少性能。加载模型（base_model）后，我尝试了以下操作：
from keras import backend as K
K.set_floatx('float16')
weights_list = base_model.layers[1].get_weights()
print('Original:')
print(weights_list[0].dtype)
new_weights = [K.cast_to_floatx(weights_list[0])]
print('New Weights:')
print(new_weights[0].dtype)
print('Setting New Weights')
base_model.layers[1].set_weights(new_weights)
new_weights_list = base_model.layers[1].get_weights()
print(new_weights_list[0].dtype)
输出：
Original:
float32
New Weights:
float16
Setting New Weights
float32
使用此代码，一层中的权重将转换为float16，并且模型中的权重将设置为新的权重，但是在使用get_weights之后，数据类型将返回到float32。有没有办法设置图层的dtype？据我所知，K.cast_to_floatx用于numpy数组，而K.cast用于张量。我是否需要使用新的dtype来构建和构建一个全新的空模型，并将重铸权重放入新模型中？
还是有一些更简单的方法来加载所有具有dtype'float32'的图层的模型，并将所有图层转换为具有dtype'float16'的模型？这是mlmodel中引入的功能，因此我认为在Keras中并不是特别困难。